Ueber den Einsatz multivariater Analyseverfahren der Vegetationsoekologie zur Ausscheideung forstlicher Standortseinheiten : 1. Teil: Klassifikation und Ordination von Waeldern im Leithagebirge (Niederoesterreich) : 5. Botanikertreffen in Innsbruck

Innsbruck

1992

S. 85-102

51 Lit. Ang.

Serie

400083963

Bei der herkoemmlichen Standortsgliederung erwiesen sich - abgesehen von der basalen floristischen Differenzierung - mehrere Standortsparameter als annaehernd gleichbedeutend: Ausgangsmaterial der Bodenentwicklung (Substrattypen), Bodentypen, Relief, Hangneigung, Exposition, Wasserhaushalt, Trophie (incl. Humuszustand). Fuer die EDV-maessige Bearbeitung wurden die Standortsparameter (quantitative wie auch qualitative Variable) zwar z.T. anders erfasst, das Ergebnis der EDV-Auswertung laesst allerdings eine Interpretation zu, die durchaus das herkoemmliche Gliederungsprinzip bestaetigt. TWINSPAN gliedert nach dem gewichtigsten Gradienten mit der maximalen Dispersion der Aufnahmen. Da diese Auftrennung nur in einer Dimension erfolgt, ergaben sich einige missklassifizierte Gruppen. Daher ist es zweckmaessig, sowohl fuer eine standortskundliche als auch fuer eine pflanzensoziologische Auswertung (vgl.z.B. ZUKRIGL, 1989) eine TWINSPAN-Klassifikation durchzufuehren, um auf schnellerem Wege als bisher die wesentlichen Gruppen zu erkennen. Man sollte es allerdings nicht bei diesem "objektiven" Ergebnis belassen und eine Art "Feinputz" der ausgegebenen Tabelle vornehmen, um Missklassifikationen zu bereinigen bzw. korrekt zu interpretieren. Die Ergebnisse lassen sich durch das Ausscheiden von offensichtlichen Ausreissern verbessern. Jede TWINSPAN-Tabelle sollte zusammen mit einer Korrespondenzanalyse (CA, DCA nach HILL, 1979a) interpretiert werden. Diese Ordinationen erlauben die zweidimensionale Darstellung von Arten und Aufnahmen auf 4 Achsen (Dimensionen) und vermoegen Gruppen zu trennen, die unter TWINSPAN einheitlich erscheinen. TWINSPAN eignet sich gut fuer Datensaetze mit nur einem, womoeglich linearen Gradienten. Der Nutzen der CA liegt vor allem in der Moeglichkeit der Durchleuchtung des Datensatzes zum Erkennen von Ausreissern, Zentren, Gradientenlaengen, Homogenitaet des Datensatzes, etc. Derartige Homotonie- Tests (vgl. auch TUEXEN, 1970; MUCINA & van der MAAREL, 1989; WESTHOFF & van der MAAREL, 1973; NEUHAEUSL, 1977) sind sehr instruktiv und in anderen Programmpaketen wie TABORD (agglomerative clustering, van der MAAREL et al., 1978) oder beim MULVA-Paket (ORLOCI & WILDI, 1983) beruecksichtigt. OKSANEN (1983, 1987) nennt diese Anwendung "explanatory correspondence analysis". Die Nachteile der CA (Hufeisen-Effekt, Stauchung der Achsenenden) werden bei Anwendung der DCA deutlich vermindert; allerdings gilt die Einschraenkung, dass die Interpretation unter Beruecksichtigung der Einwaende von PIELOU (1984) und MINCHIN (1987) mit Vorsicht erfolgen soll. Mit Hilfe der CCA konnten die Interpretationsansaetze zu den Ordinationen von CA und DCA bestaetigt bzw. staerker konturiert werden. Die Verwandtschaft von Aufnahmen bzw. Standortseinheiten kann graphisch gut und klar dargestellt werden. Man kann bei einer grossen Uebereinstimmung der Ergeb.....

; Band 79, S. 85-102